一种基于分阶段深度强化学习的多边任务卸载优化方法

本发明提供了一种基于分阶段深度强化学习的多边任务卸载优化方法，针对车联网环境下细粒度任务卸载问题，旨在在高度动态的复杂路况下，在保证所有车载任务都能在截止时限内完成的情况下，实时获得一个使指定路段整体细粒度车载任务的总完成时耗较低的决策方案，具体包括以下步骤：1)建立车联网环境下的任务模型、资源模型和计算模型并定义优化问题；2)对所有具有数据依赖关系的车载任务进行层级分割，并对不同层级下的子任务进行优先级计算；3)将数据进行预处理后，利用深度强化学习算法对其进行求解。通过具体的实例证明了所提供方法的可行性和有效性，在与其他几种算法的对比之下，本发明所提供的方法显著地降低了指定路段整体细粒度车载任务的总完成时耗，为实际车联网环境下细粒度任务卸载模式的发展提供了更多的可能。